针对现有的采用Booth算法与华莱士（Wallace）树结构设计的浮点乘法器运算速度慢、布局布线复杂等问题，设计了基于FPGA的流水线精度浮点数乘法器。该乘法器采用规则的Vedic算法结构，解决了布局布线复杂的问题；使用超前进位加法器（Carry Lookahead Adder，CLA）将部分积并行相加，以减少路径延迟；并通过优化的4级流水线结构处理，在Xilinx ISE 14.7软件开发平台上通过了编译、综合及仿真验证。结果证明，在相同的硬件条件下，本文所设计的浮点乘法器与基4-Booth算法浮点乘法器消耗时钟数的比值约为两者消耗硬件资源比值的1.56倍。

棋盘格边长20mm 双目左右相机拍摄图片高精度.rar

MS1022 是一款高精度时间测量(TDC)电路，是 MS1002 的升级产品，与 MS1002 管脚完全兼容，且兼容 MS1002 的所 有功能。MS1022 内部集成了模拟比较器、模拟开关、施密 特触发器等器件，从而大大简化了外围电路

CS175分心驾驶员检测 ＃RESNET18 #PYTORCH＃机器学习 分心驾驶： 建议作为导致致命事故从2014年到2018年增加的原因 由于使用智能设备的增加，引起公众越来越多的关注 我们在建筑物探测器中的数据：（由StateFarm在他们的Kaggle挑战赛中提供： 训练数据：在训练数据中包含22,424张图像，分为10个带标签的课程文件夹 测试数据：7.97万张未标记的图像（通过kaggle提交进行了准确性测试） 提供给我们的每张图像的大小为640×480像素 我们的模型： ResNet18（必须对图像进行预处理，并对在ResNet18中内置的pyTorch进行一些更改） 使用交叉熵损失和SGD优化器，其学习率为0.001，动量为0.9和Nesterov动量 火车精度大约为98％！ 测试准确率近97％！ 以下是我们所做操作和报告的全面说明：幻灯片： ://docs

用STM32触发捕捉实现高速高精度测频.rar

The GMP computers are maintained by a single person on a volunteer basis. The current situation with Intel Meltdown + Spectre hardware, Intel ME bugs/backdoors are making the GMP servers far from as secure as we'd like them to be. We don't have the time or resources to keep up with the bugs nor the financial resources to purchase safer hardware. The system which runs this web server as well as mail server, mailing list server, firewall, etc, has an Intel E5-1650 v2 Meltdown + Spectre CPU with buggy Intel ME and it runs Xen with a poor history of guest escape vulnerabilities. Please keep that in mind when using the resources here. Please understand that we don't take security lightly, but that we effectively are DoS'ed by sloppy engineering. 没办法选择0积分。非常抱歉。

提岀了一种多阶段优化的方法来解决基于多视角图片在未知姿态、表情以及光照条件下的高精度三维人脸重建问题。首先，通过重新渲染合成的方法将参数化模型拟合到输入的多视角图片，然后在纹理域上求解一个光流问题来获取不同视角之间的对应关系。通过对应关系可以恢复出人脸的点云，并利用基于明暗恢复几何的方法来恢复人脸细节。在真实数据以及合成数据下的实验结果表明，文中方法能够恢复出带有几何细节的高精度的三维人脸模型，并且提高了现有方法的重建精度。

fpga实现频率的等精度测量，经过验证，是很好的学习资料哦，

通过扰动观测器设计用于扰动系统的预测精度增强的连续时间MPC

行业分类-设备装置-一种渐变惯量充液执行机构及对航天器高精度姿态控制的方法.zip